Strategisches Supply-Chain-Risikomanagement: Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements

Research output: Journal contributionsJournal articlesResearchpeer-review

Standard

Harvard

APA

Vancouver

Bibtex

@article{c496e2da625043f499586fb19f2c0c59,
title = "Strategisches Supply-Chain-Risikomanagement: Einsatz von K{\"u}nstlicher Intelligenz und Big Data zur Unterst{\"u}tzung des strategischen Supply-Chain-Risikomanagements",
abstract = "Komplexit{\"a}t und Unsicherheit entlang Lieferketten kann durch datengest{\"u}tzte Verfahren beherrschbarer gemacht werden. Besonders Verfahren der K{\"u}nstlichen Intelligenz (KI) k{\"o}nnen zur Analyse gro{\ss}er Datenmengen von Unternehmen herangezogen werden. Als Ergebnis l{\"a}sst sich ein strategisches Supply-Chain-Risikomanagement zum Monitoring verschiedener Risikoquellen aufsetzen. In diesem Kontext liefert dieser Beitrag einen systematischen {\"U}berblick {\"u}ber die Anwendungsm{\"o}glichkeiten von KI-Verfahren.",
keywords = "Ingenieurwissenschaften, Analytics, Artificial Intelligence, Big Data, Machine Learning, Resilience, Strategic Risk Management, Supply Chain Risk Management",
author = "Kathrin Kramer and Danial Mousavi and Matthias Schmidt",
note = "Publisher Copyright: {\textcopyright} 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany.",
year = "2022",
month = may,
day = "30",
doi = "10.1515/zwf-2022-1055",
language = "Deutsch",
volume = "117",
pages = "349--353",
journal = "ZWF Zeitschrift f{\"u}r wirtschaftlichen Fabrikbetrieb",
issn = "0947-0085",
publisher = "Carl Hanser Verlag GmbH & Co. KG",
number = "5",

}

RIS

TY - JOUR

T1 - Strategisches Supply-Chain-Risikomanagement

T2 - Einsatz von Künstlicher Intelligenz und Big Data zur Unterstützung des strategischen Supply-Chain-Risikomanagements

AU - Kramer, Kathrin

AU - Mousavi, Danial

AU - Schmidt, Matthias

N1 - Publisher Copyright: © 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany.

PY - 2022/5/30

Y1 - 2022/5/30

N2 - Komplexität und Unsicherheit entlang Lieferketten kann durch datengestützte Verfahren beherrschbarer gemacht werden. Besonders Verfahren der Künstlichen Intelligenz (KI) können zur Analyse großer Datenmengen von Unternehmen herangezogen werden. Als Ergebnis lässt sich ein strategisches Supply-Chain-Risikomanagement zum Monitoring verschiedener Risikoquellen aufsetzen. In diesem Kontext liefert dieser Beitrag einen systematischen Überblick über die Anwendungsmöglichkeiten von KI-Verfahren.

AB - Komplexität und Unsicherheit entlang Lieferketten kann durch datengestützte Verfahren beherrschbarer gemacht werden. Besonders Verfahren der Künstlichen Intelligenz (KI) können zur Analyse großer Datenmengen von Unternehmen herangezogen werden. Als Ergebnis lässt sich ein strategisches Supply-Chain-Risikomanagement zum Monitoring verschiedener Risikoquellen aufsetzen. In diesem Kontext liefert dieser Beitrag einen systematischen Überblick über die Anwendungsmöglichkeiten von KI-Verfahren.

KW - Ingenieurwissenschaften

KW - Analytics

KW - Artificial Intelligence

KW - Big Data

KW - Machine Learning

KW - Resilience

KW - Strategic Risk Management

KW - Supply Chain Risk Management

UR - https://www.degruyter.com/document/doi/10.1515/zwf-2022-1055/html

UR - http://www.scopus.com/inward/record.url?scp=85130330767&partnerID=8YFLogxK

UR - https://www.mendeley.com/catalogue/3259de9d-46d6-317d-bbc7-65398f99928d/

U2 - 10.1515/zwf-2022-1055

DO - 10.1515/zwf-2022-1055

M3 - Zeitschriftenaufsätze

VL - 117

SP - 349

EP - 353

JO - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

JF - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

SN - 0947-0085

IS - 5

ER -

DOI